Fatigue Load Minimization for a Position-Controlled Floating Offshore Wind Turbine
Notice bibliographique
Résumé
Floating offshore wind farm control via real-time turbine repositioning has a potential in significantly enhancing the wind farm efficiency. Although the wind farm power capture increase by moving platforms with aerodynamic force has been verified in a recent study, the investigation and mitigation of the fatigue damage caused by such aerodynamic force manipulated for turbine repositioning is still necessary. To respond to these needs, this paper presents fatigue load controller design for a semisubmersible floating offshore wind turbine, particularly when the turbine position is controlled by the nacelle yaw angle. At various turbine positions determined by nacelle yaw angles and average wind speeds, the designed controller manipulates three blade pitch angles individually and minimizes the fatigue load at the tower base. As the individual blade pitch controller, the linear quadratic regulator is optimized through surrogate optimization by simulating the turbine disturbed by various turbulent wind and irregular wave profiles, and then by searching for a minimum fatigue from these simulations. Fatigue load analysis with the optimized controller leads to the main contribution of this paper, that is, to demonstrate that turbine repositioning can be achieved while allowing for the inclusion of a fatigue reducing controller. In fact, when operating the FOWT with the position controller and fatigue load controller, the fatigue damage at the tower base is reduced by about 40% for different nacelle yaw angles. This result supports the feasibility of position-controlled wind turbines to optimize the wind farm efficiency, thereby drastically reducing the offshore wind energy cost.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».